清華新聞網(wǎng)10月7日電 近日，清華大學(xué)自動化系、北京信息科學(xué)與技術(shù)國家研究中心張學(xué)工教授團隊與神經(jīng)調(diào)控國家工程研究中心團隊、青海大學(xué)附屬醫(yī)院樊海寧教授團隊等合作開發(fā)了名為EDAM的包蟲病輔助診斷AI系統(tǒng)，用普通平掃CT圖像實現(xiàn)包蟲病的自動檢測和分型，為包蟲病高發(fā)且醫(yī)生資源短缺的西部地區(qū)提供了篩查包蟲病的AI診斷新技術(shù)，助力徹底解決長期困擾高原牧區(qū)的包蟲病篩查難題。
肝包蟲病是一種嚴(yán)重的寄生蟲疾病，高發(fā)于各大洲較偏遠(yuǎn)的牧區(qū)，可導(dǎo)致肝臟形成類似于腫瘤的病灶，又稱為“蟲癌”。中國現(xiàn)有包蟲病流行地區(qū)主要集中在西部牧區(qū)，尤其是青海、新疆等地。這些地區(qū)的醫(yī)療資源普遍短缺，使包蟲病早期篩查成為一大難題。今年9月，青海省推出了《包蟲病防治條例》，北京清華長庚醫(yī)院董家鴻院士團隊多次前往青海等高原牧區(qū)進行包蟲病疑難復(fù)雜病例手術(shù)救治。為了實現(xiàn)包蟲病防治目標(biāo)，對包蟲病篩查提出了更高的要求。
青海牧區(qū)生活場景
包蟲病可以根據(jù)寄生蟲的種類不同分為囊型和泡型兩種，對應(yīng)不同的治療方式和預(yù)后，正確診斷和分型非常重要。目前西部地區(qū)臨床上普遍通過超聲檢查方式進行包蟲病篩查，而超聲檢查非常依賴操作者的技術(shù)和經(jīng)驗，從而導(dǎo)致目前包蟲病篩查和診斷的準(zhǔn)確度和敏感性較低。近年來，國家在西部醫(yī)療領(lǐng)域投入了大量資源，縣級醫(yī)院均配備了CT設(shè)備，但在結(jié)果診斷上更需要醫(yī)生的知識和判斷力。
基于對包蟲病篩查和診斷中臨床痛點的深入分析，項目團隊提出利用人工智能技術(shù)，通過普通平掃CT影像來對患者進行自動化診斷和分型的解決方案。面對篩查場景，模型納入了正常人與其他肝占位疾病患者對照的數(shù)據(jù)，模擬篩查場景下的數(shù)據(jù)情況。面對CT影像數(shù)據(jù)單張切片多但總的患者數(shù)少的問題，團隊提出先通過大量的單張切片訓(xùn)練大參數(shù)的2D-CNN分類與分割模型，再通過少參數(shù)的GRU模型從患者水平上進行整合，從而使模型與訓(xùn)練樣本相匹配。同時模型能夠提供注意力分?jǐn)?shù)，引導(dǎo)醫(yī)生關(guān)注關(guān)鍵的病灶切片位置。團隊研發(fā)的包蟲病診斷AI系統(tǒng)EDAM，結(jié)合了切片水平的疾病預(yù)測和分割與患者水平的疾病診斷，具有很高的準(zhǔn)確性和靈敏度，并且有良好的可解釋性和推廣能力。團隊通過青海大學(xué)附屬醫(yī)院、青海大學(xué)醫(yī)學(xué)院、北京清華長庚醫(yī)院、河南鎮(zhèn)平縣人民醫(yī)院、南陽市中心醫(yī)院等多中心協(xié)作，對采自不同平臺的大量數(shù)據(jù)進行了多輪驗證實驗，并將EDAM系統(tǒng)與52位有經(jīng)驗的放射科醫(yī)生對比，EDAM在檢測和分型方面均表現(xiàn)出了較高優(yōu)越性。系統(tǒng)可針對來自不同品牌設(shè)備的CT圖像保持穩(wěn)健的靈敏度，并通過提供可解釋的結(jié)果，為臨床醫(yī)生和放射科醫(yī)生提供了可靠的決策支持。
包蟲病EDAM模型
該系統(tǒng)具有極大的潛在應(yīng)用價值，便于配合國家相關(guān)基層健康支持政策普及到偏遠(yuǎn)基層，借助平掃CT進行包蟲病智能篩查與輔助診斷，準(zhǔn)確識別常見包蟲病亞型從而進行對癥治療。該系統(tǒng)為緩解西部地區(qū)醫(yī)生資源短缺的壓力、徹底解決西部地區(qū)包蟲病篩查難題提供了有效技術(shù)方案。
9月26日，上述研究在《柳葉刀·數(shù)字健康》（The Lancet Digital Health）期刊發(fā)表了科研論文“通過深度學(xué)習(xí)實現(xiàn)基于平掃CT影像的肝包蟲病診斷和分型：一項多中心回顧性研究”（Detection andsubtypingof hepaticechinococcosisfrom plain CT images with deep learning: a retrospective, multicentre study）。清華大學(xué)自動化系張學(xué)工教授為本文通訊作者，青海大學(xué)附屬醫(yī)院副主任醫(yī)師王展博士和清華大學(xué)自動化系在讀博士生卞海洋為共同第一作者。來自自動化系和北京信息科學(xué)與技術(shù)國家研究中心、青海大學(xué)附屬醫(yī)院、青海大學(xué)醫(yī)學(xué)院、鎮(zhèn)平縣人民醫(yī)院、南陽市中心醫(yī)院、北京清華長庚醫(yī)院、清華大學(xué)航天航空學(xué)院等單位的多位醫(yī)生和技術(shù)人員共同參與了該研究。
該研究得到了國家自然科學(xué)基金、青海省科技廳項目、清華-福州數(shù)據(jù)技術(shù)研究院項目等的資金支持。
論文鏈接：
https://www.thelancet.com/journals/landig/article/PIIS2589-7500(23)00136-X/fulltext
供稿：自動化系
編輯：李華山
審核：劉蔚如 郭玲
